Előadás címe: Relative Pose from Deep Learned Depth and a Single Affine Correspondence
Helyszín: https://meet.google.com/dwi-igdo-bmn?authuser=0
Időpont: 2021.01.28. 15:35-15:45
Leírás: A mini projekt célja az volt, hogy alapkutatást végezzünk és új, gyorsabb és megbízhatóbb képfeldolgozó algoritmust dolgozzunk ki mobilis robotok 3D térképezéséhez és lokalizációjához. Feltételezésünk az volt, hogy egy olyan módszert fejlesszünk ki, amely tovább megy a hagyományos jellegzetes képpont alapú módszereknél azáltal, hogy kis képrészleteket használva a különböző kamera nézetek között affin megfeleltetések alapján határozzuk meg a kamera elmozdulást. A kidolgozott és publikált új számítógépes látási algoritmus a mesterséges mély tanulási hálózat (DNN) által becsült nem metrikus monokuláris mélységet és az affin megfeleltetéseket (AC) felhasználva számolja ki két kalibrált kamera közötti relatív elmozdulást akár egyetlen megfeleltetés alapján. Ezáltal a robusztus becslés feldolgozási ideje lineáris a megfeleltetések számával, és ezért nagyságrendekkel gyorsabb, mint más hagyományos megközelítések alkalmazásakor. Az alábbi képen egy reprezentatív jelenet látható az 1DSfM benchmark adatkészletből, balról jobbra: színes kép az adatkészletből, DNN monokuláris mélység, valamint a 3D rekonstrukció melyet a Theia SfM szoftverrel készítettünk, ahol a képek közötti pozíció gráfot a javasolt módszerrel inicializáltuk. A forráskód nyilvánosan elérhető: https://github.com/eivan/one-ac-pose